实践|面向智慧城市的电力数据挖掘多场景应用

面向智慧城市的电力数据挖掘应用包括城市绿色发展、能源安全供给、公共服务便捷等方面，结合智慧城市建设参与主体不同，服务对象除电网公司外，更强调服务政府与用户。

传统有序用电方法未充分考虑用户的用电行为，可能对电力用户造成一定的经济损失。开展工业用户用电行为分析，能够辨识典型用电行为模式，评估负荷可调整空间，服务需求响应方案制定， 实现电网、用户多方共赢。

通过聚类分析方法形成用户典型负荷曲线，每条负荷曲线都能代表用户某种用电模式，充分体现用户在不同时间节点中用电行为的差异性。

用电行为分析以日负荷时间分布为特征向量。考虑到需求响应往往在负荷高峰时段，为了将高峰时段具有最接近用电特性的模式划分到一类， 对负荷数据进行加权处理，设定负荷曲线高峰时段各点的权重为3（08：00—12：00、17：00—21：00），其他时段的权重仍为1。 

选取二次聚类法对用户用电特性进行分类，即一次聚类采用系统聚类法对用电特性进行分类；二次聚类采用模糊C均值法，聚类中心由一次系统聚类结果提供，既可避免模糊C均值聚类法对初始参数的敏感性，又能取得分类准确客观的聚类效果。

 以某食品加工企业2014年11月―2015年2月每日48点负荷数据为例，负荷聚类结果和企业负荷分类对比如图1和图2所示，其中横坐标为时间节点（时间间隔为30min），纵坐标为负荷量（kW）。

从图2可以看出，该企业平时用电模式较为规律，负荷整体波动不大，属于连续生产企业。从分类情况可以看出，前3类负荷曲线的形态类似，且用电负荷均衡稳定，第4类较特殊，负荷整体较小， 属于减产的情况。

考虑食品加工行业一般为生产设备多，单机容量小，基本生产用电比例大，生产工艺连续性不强的行业。对比模式1和模式2可得电网负荷高峰时，可以通过部分生产设备关停等措施降下1000kW的负荷量，对比模式1和模式4，进一步关停设备可以有4000kW的负荷余量，该企业的最大柔性负荷在约4000kW。综上所述，基于激励的需求响应措施适合此企业用户。 

负荷与城市区域经济社会活跃度高度匹配，通过分析一定时间段各区域用电情况，动态可视化用电负荷，结合地理信息系统GIS（geographicinforma⁃ tionsystem）信息，可分析负荷峰谷空间分布及峰值迁移趋势，客观反映人口、经济等社会活跃度，服务城市功能区布局、交通等基础设施规划。 

考虑配电变压器一般供电半径为150~250m， 信息采集时间间隔为15min，选取配电变压器运行数据进行负荷需求分析具有较高的时空分辨率。具体分析流程如下。 

考虑配电变压器空间上离散分布，采用克里格插值计算，将离散分布的配电变压器数据空间连续化，并根据负荷大小进行拓扑着色，以某城区配电变压器为例，如图3所示，随负荷增长颜色由浅至深变化。

由负荷值及地理位置形成三维数据矩阵，可视化为三维曲面，三维曲面z=F（x， y）峰谷点的充分必要条件为 

此时z的峰谷对应点分别为三维数据中行、列线对应波峰、波谷的叠加。因此将行、列矩阵看作二维曲线按二维波峰谷算法得出行矩阵和列矩阵。对行列矩阵进行叠加，其中最大值对应坐标为曲峰位置，最小值对应坐标对应曲谷位置。 

在平滑曲面中一个点最大梯度是其对应的最大方向偏导，将其简化为8个方向的偏导，按照上述梯度简化原则计算出整体的流向矩阵。 

对区域负荷曲面中峰、谷点两两组成若干条有向线段，需对每个由峰、谷点组成的有向线段上的所有经过点做一致性匹配，其匹配原则可表示为 

式中： α为有向线段的角度； β为有向线段上各点的最大梯度流向角度。 当有向线段上的所有点均满足以上原则，则该 有向线段为需求流向。GIS背景下某城区18：00— 20：00需求流向如下：

由图4可知，18：00较大的负荷峰值中心主要有3个区域，对比城市功能区分布，这3个负荷中心区域均属于商业区，包含诸多餐馆、商场、超市等。

 18：00—20：00的负荷需求流向指向区域均为居民小区聚集区域，20：00为该区域一天中的用电高峰时段。

由此可为该城区商业、居住功能区布局及电力设施深入负荷中心提供直观依据，同时对负荷需求流向路径周边的交通疏导、公共交通基础设施布局优化及运营能力临时调整提供辅助决策依据。 

城市基础设施布局以需求为导向，但统计方式进行城市成熟分析具有一定的滞后性，从而导致城市基础设施布局与需求不匹配，而电力数据与居民生活息息相关且具有高时效性。

以居民小区为对象，分析小区用电量水平，结合周边商业、医疗卫 生、教育等设施信息，可建立区域成熟度评价体系， 区域可为居民小区，也可为城市居住片区。

 以某市2000户居民周用电量为对象，以时间分布为特征向量，聚类分析形成5个用户用电类型，如图5所示。 

由图5可知，不同用电类型可代表不同用户群体，例如类型1整体用电水平较低且整周无太大波动，此类用户应属于空置房屋；类型2、 3、 4的周末用电量明显，应属于上班族群体，属于人均用电水平的代表；类型5用户群体，电量较大，可视为高收入人群。

以上结果辅以人口等信息可更深入地对用户群体分类。 成熟度评估以5类用户群体占比、区域电量、 区域2公里辐射范围内超市、公交、医院数量为指标，建立9个维度的成熟度评估体系，并采用层次分析法确定指标权重，如表3所示。

考虑城市发展差异化，成熟度评估需以城市整体为对象评估标准，以某市为例，根据位置、年限等要素，选取20个典型居民小区，分别评价求均值形成评价参考值。同时以小区A、小区B为例对比分析，如表4所示。

由图6可知，相对于样本区域平均值，小区A电量大，类型1的用户少，入住水平高，基础设施完善，在多个维度高于全市平均水平，属于较完善的成熟小区；小区B电量小，类型1的用户较多，空置比例高，商业及医疗配套基础设施欠缺，有针对性地优化基础设施布点。

电力是智慧城市建设的基础和保障，挖掘电力数据的潜在价值可为智慧城市在诸如规划管理、应急管理等多个领域提供决策依据，应用前景广阔。 

本文归纳了电力数据挖掘的应用需求与典型场景， 进行用电行为分析、负荷需求流向分析、区域成熟度评估3个应用案例的论述，阐明利用多源、海量、异构、高附加值的电力数据，能够有效支撑智慧城市的城市运行、宏观经济预测、公共服务等方面建设。

同时，为最大化发挥面向智慧城市的数据挖掘效益，仍面临数据孤岛与藩篱、缺乏应用等问题，有待进一步深入探索。

部分来源：《电力系统及其自动化学报》

仅供学习和交流，版权归原机构所有

“瓦特和比特”致力于打造国内最专业有趣的能源电力&数据分析学习社区，集结能源行业优秀的业务专家和数据分析大咖，为数据分析从业者和能源从业者提供一种全新的能源电力&数据分析交流方式。

历史消息：

案例｜电力系统基于大数据的短期负荷预测

从大数据分析角度，探讨电力设备状态检测与评估

小瓦君提示：关注“瓦特和比特”，学习最新的电力数据技能，为你热爱的工作打开新的视野～同时也欢迎从事不同岗位的电力人，公众号留言，跟小瓦君一起分享你的“电力人生”😊

瓦特和比特

有趣的分析在等你

长按扫码可关注